Ottimizzazione del Powertrain EV Aumenta Autonomia e Prestazioni
Un recente studio condotto da un team di ricerca dell’Università del Nord della Cina ha portato a un significativo avanzamento nel campo dei veicoli elettrici, dimostrando come un’attenta ottimizzazione dei parametri del powertrain possa migliorare in modo sostanziale sia l’autonomia che le prestazioni dinamiche. Attraverso l’applicazione dell’algoritmo di ottimizzazione basato sullo sciame di particelle (PSO), i ricercatori hanno ottenuto un miglioramento misurabile delle caratteristiche di efficienza energetica e accelerazione di un veicolo elettrico puro, rappresentando un passo cruciale verso una mobilità sostenibile più competitiva e performante.
Mentre la domanda globale di trasporto ecologico continua a crescere, i principali ostacoli all’adozione di massa dei veicoli elettrici rimangono l’ansia da autonomia, i lunghi tempi di ricarica e i costi elevati delle batterie. Sebbene l’attenzione si concentri spesso sull’evoluzione delle tecnologie delle batterie, un ruolo altrettanto importante è giocato dall’integrazione del sistema e dall’accoppiamento intelligente dei componenti del powertrain. Il nuovo studio, pubblicato sulla rivista Ship Electronic Engineering, sposta il focus dal singolo componente a un approccio sistemico, dimostrando che un’ottimizzazione intelligente dei parametri di progettazione può portare a miglioramenti tangibili senza richiedere costose sostituzioni hardware.
Guidato da Tiyuyu, studentessa magistrale presso il Laboratorio Nazionale Chiave di Tecnologia per il Test Elettronico e il Laboratorio Chiave dei Dispositivi e Sistemi Micro/Nano dell’Università del Nord della Cina, il team ha esaminato in profondità le interazioni tra potenza del motore, rapporto di trasmissione finale e utilizzo della batteria. Collaborando con il dottor Hong Yingping, il professor Zhang Huixin e il ricercatore Zhang Ruihao, il gruppo ha sviluppato un framework di ottimizzazione multi-obiettivo progettato per massimizzare le prestazioni del veicolo in condizioni di guida reali.
Il fulcro della metodologia risiede nella comprensione che le prestazioni di un veicolo elettrico non sono determinate esclusivamente dalle specifiche del motore o della batteria, ma dall’efficacia con cui questi componenti lavorano insieme. “Anche con motori ad alte prestazioni e batterie ad alta capacità, un’integrazione scadente del sistema può portare a sprechi di energia e a una dinamica di guida subottimale”, ha spiegato Tiyuyu. “Il nostro obiettivo era trovare l’equilibrio perfetto tra potenza erogata ed efficienza energetica attraverso un’ottimizzazione sistematica dei parametri.”
La ricerca è iniziata con un’accurata progettazione di abbinamento dei componenti principali del powertrain, inclusi il motore elettrico, il pacco batteria e il rapporto di riduzione finale. È stato selezionato un motore sincrono a magneti permanenti (PMSM) per i suoi vantaggi in termini di alta efficienza, dimensioni compatte e densità di potenza superiore, caratteristiche che lo rendono la scelta predominante nel mercato attuale delle auto elettriche. La potenza di picco, la coppia e la velocità del motore sono state calcolate sulla base di tre criteri chiave di prestazione: velocità massima, capacità di rampa massima e accelerazione. Questi calcoli hanno garantito che il motore fosse in grado di soddisfare i requisiti dinamici del veicolo in diverse condizioni di guida.
La selezione della batteria ha seguito una metodologia simile. Sono state scelte batterie agli ioni di litio per la loro comprovata affidabilità, lunga durata del ciclo e benefici ambientali. Per modellare con precisione il comportamento della batteria sotto carico, i ricercatori hanno adottato un modello di circuito equivalente di Thevenin migliorato con una rete RC di secondo ordine. Questa raffinatezza ha permesso una rappresentazione più precisa delle caratteristiche di polarizzazione della batteria e della sua risposta di tensione durante i cicli di carica e scarica, elementi critici per prevedere il consumo energetico in condizioni reali.
Una volta stabiliti i parametri di base, il team si è concentrato sull’ottimizzazione. Invece di affidarsi a metodi tradizionali basati su prove ed errori o a ottimizzazioni monodimensionali, hanno utilizzato l’algoritmo PSO, un metodo computazionale ispirato al comportamento collettivo di stormi di uccelli o banchi di pesci. Il PSO è particolarmente adatto a problemi ingegneristici complessi e multi-variabili perché esplora in modo efficiente ampi spazi di soluzione e converge su risultati vicini all’ottimale senza richiedere informazioni sul gradiente.
Le variabili di ottimizzazione selezionate sono state il rapporto di trasmissione finale (i₀), la potenza di picco del motore (Pₘ) e la velocità massima del motore (Nₘ). Questi parametri sono stati scelti perché influenzano direttamente sia la dinamica del veicolo che la sua efficienza energetica. Un rapporto di trasmissione più alto, ad esempio, aumenta la coppia alle ruote, migliorando l’accelerazione e la capacità di salita, ma può ridurre la velocità massima e aumentare la corrente del motore, portando a maggiori perdite di energia. Analogamente, aumentare la potenza del motore migliora le prestazioni ma aumenta anche il consumo energetico e il costo del sistema.
Per bilanciare queste esigenze contrastanti, i ricercatori hanno formulato una funzione obiettivo multi-obiettivo che combinava il tempo di accelerazione (una misura della guidabilità) e il consumo energetico specifico (un indicatore di efficienza). Riconoscendo che la maggior parte degli utenti di veicoli elettrici urbani priorizza l’autonomia rispetto a prestazioni sportive, è stato assegnato un peso maggiore all’economia energetica: 70% per l’efficienza contro il 30% per la dinamica. Questa ponderazione riflette le preferenze reali dei consumatori e si allinea agli obiettivi di progettazione di veicoli elettrici compatti orientati alla città.
Il processo di ottimizzazione è stato soggetto a sei vincoli chiave per garantirne la fattibilità pratica. Questi includevano una velocità massima minima (140 km/h), una capacità di rampa massima (30% di pendenza a 30 km/h), le prestazioni di accelerazione (0-100 km/h in meno di 14 secondi) e l’autonomia (almeno 240 km con batteria piena). Inoltre, la soluzione doveva rispettare i limiti meccanici, come l’aderenza del pneumatico, per prevenire lo slittamento delle ruote sotto coppia elevata.
Dopo l’esecuzione dell’algoritmo PSO nell’ambiente MATLAB/Simulink, sono emersi i parametri ottimizzati: un rapporto di trasmissione finale di 7,8, una potenza di picco del motore di 35 kW e una velocità massima di 3.200 giri/min. Questi valori rappresentavano un cambiamento strategico rispetto al design iniziale, che presentava un rapporto di trasmissione più basso (6,9), una potenza inferiore (32 kW) e una velocità del motore più alta (3.900 giri/min).
La prova decisiva è arrivata durante la simulazione nel ciclo di guida NEDC (New European Driving Cycle), una procedura standardizzata per valutare le prestazioni del veicolo e il consumo energetico. Il NEDC simula una miscela di guida urbana ed extraurbana, inclusi riscaldamento, accelerazione, crociera e decelerazione, rendendolo un indicatore affidabile delle condizioni reali.
I risultati della simulazione hanno confermato l’efficacia dell’ottimizzazione. Il risultato più significativo è stato l’aumento dell’autonomia del veicolo, passata da 221,28 km a 233,3 km, un miglioramento del 5,43%. Questo guadagno è stato ottenuto nonostante una leggera riduzione della velocità massima, scesa da 146,6 km/h a 145,2 km/h. Il compromesso era intenzionale: riducendo leggermente la velocità massima, il sistema poteva operare in modo più efficiente all’interno della gamma di potenza ottimale del motore, riducendo gli sprechi di energia.
Altrettanto impressionante è stato il miglioramento dell’accelerazione. Il tempo per raggiungere i 100 km/h è sceso da 12,2 secondi a 11,6 secondi, una riduzione del 5,35%. Questo miglioramento è stato principalmente dovuto all’aumento della potenza del motore e al rapporto di trasmissione rivisto, che ha fornito una coppia maggiore alle ruote durante la partenza e la guida a bassa velocità. La capacità massima di salita del veicolo è migliorata anche, passando dal 30,65% al 31,12%, un guadagno dell’1,53% che si traduce in prestazioni migliori su pendenze ripide.
L’analisi dello stato di carica (SOC) della batteria ha ulteriormente validato i guadagni di efficienza. In condizioni identiche del ciclo NEDC, il veicolo ottimizzato ha consumato il 6,31% della sua capacità della batteria, rispetto al 7,32% nella configurazione iniziale. Questa riduzione di 1,01 punti percentuali nel consumo energetico ha contribuito direttamente all’autonomia estesa, dimostrando che l’ottimizzazione ha avuto successo nel minimizzare le perdite attraverso l’intero powertrain.
Uno degli aspetti più convincenti dello studio è la sua applicabilità pratica. A differenza di molti lavori accademici che si basano su modelli teorici o hardware esotico, questa ricerca utilizza componenti commercialmente disponibili e strumenti di simulazione ampiamente adottati. L’algoritmo PSO, sebbene sofisticato, è accessibile agli ingegneri automobilistici e può essere integrato nei flussi di lavoro di sviluppo esistenti. L’intero processo di ottimizzazione, dal modello alla simulazione, è stato condotto utilizzando MATLAB/Simulink, un software comunemente usato nell’industria automobilistica per la progettazione dei sistemi di controllo e l’analisi della dinamica del veicolo.
Le implicazioni di questo lavoro vanno oltre un singolo modello di veicolo. Mentre i produttori automobilistici affrontano una pressione crescente per rispettare severe normative sulle emissioni e le aspettative dei consumatori per un’autonomia maggiore, l’ottimizzazione a livello di sistema diventerà un pilastro dello sviluppo dei veicoli elettrici. “Questo approccio consente ai produttori di estrarre maggiori prestazioni dai componenti esistenti”, ha osservato il professor Zhang Huixin. “Non si tratta di costruire una batteria migliore o un motore più potente, ma di utilizzare ciò che abbiamo già in modo più intelligente.”
Inoltre, lo studio evidenzia l’importanza di un approccio ingegneristico sistemico nella progettazione dei veicoli elettrici. In passato, lo sviluppo dei veicoli spesso trattava i componenti in isolamento: gli ingegneri del motore si concentravano sulla densità di potenza, i team delle batterie sulla capacità di immagazzinamento energetico e gli specialisti del powertrain sull’efficienza meccanica. Oggi, i guadagni più significativi derivano dalla collaborazione interdisciplinare e dall’ottimizzazione olistica.
Il dottor Hong Yingping ha sottolineato che il metodo PSO offre un framework flessibile che può essere adattato a diversi tipi di veicoli e modelli di utilizzo. “Per un’auto da città, potresti dare priorità all’efficienza. Per un veicolo elettrico orientato alle prestazioni, potresti spostare il peso verso l’accelerazione e la velocità massima. Lo stesso algoritmo può essere sintonizzato per soddisfare esigenze di mercato diverse.”
La ricerca apre anche la strada a lavori futuri nell’ottimizzazione adattativa. Mentre questo studio ha utilizzato parametri fissi, la prossima generazione di veicoli elettrici potrebbe impiegare un’ottimizzazione in tempo reale basata sulle condizioni di guida, la topografia del percorso e il comportamento del conducente. Immagina un veicolo che regola automaticamente il suo rapporto di trasmissione virtuale o il suo profilo di erogazione della potenza per massimizzare l’efficienza in autostrada o migliorare la reattività in una zona montuosa. Tali capacità sono alla portata, costruendo sulle fondamenta gettate da questo studio.
Dal punto di vista della sostenibilità, anche miglioramenti modesti in efficienza hanno effetti di vasta portata. Un aumento del 5,43% nell’autonomia significa meno cicli di ricarica nel corso della vita del veicolo, riducendo l’usura della batteria e riducendo la domanda sulla rete elettrica. Si traduce anche in minori materie prime necessarie per la produzione delle batterie, contribuendo a un ciclo di vita più sostenibile.
L’industria automobilistica sta vivendo una trasformazione senza precedenti nella sua storia. Mentre i motori a combustione interna cedono il passo ai powertrain elettrici, le regole del design automobilistico stanno venendo riscritte. In questa nuova era, il software e gli algoritmi stanno diventando importanti quanto l’acciaio e la gomma. Questo studio esemplifica questo cambiamento, mostrando che la strada verso veicoli elettrici migliori non passa solo attraverso batterie più grandi, ma attraverso un’ingegneria più intelligente.
Per i consumatori, i benefici sono chiari: maggiore autonomia, accelerazione più rapida e costi operativi inferiori. Per i produttori, il messaggio è altrettanto convincente: l’ottimizzazione è un modo economico per migliorare la competitività senza investimenti massicci in hardware. E per i ricercatori, il lavoro serve come modello di come l’intelligenza computazionale possa risolvere sfide ingegneristiche del mondo reale.
Mentre le città di tutto il mondo spingono per l’elettrificazione dei trasporti, studi come questo forniscono una mappa stradale per raggiungere soluzioni pratiche e scalabili. La strada per un futuro sostenibile non è pavimentata con un singolo balzo in avanti, ma con innumerevoli miglioramenti incrementali, ognuno dei quali ci avvicina un po’ di più a una mobilità più pulita ed efficiente.
Il successo di questo progetto sottolinea anche il crescente ruolo delle istituzioni cinesi nell’avanzare la tecnologia dei veicoli elettrici. Con un forte sostegno governativo e un mercato domestico in rapida espansione, la Cina è diventata un leader globale nella produzione e nell’innovazione di veicoli elettrici. La ricerca di università come l’Università del Nord della Cina sta contribuendo con conoscenze preziose alla comunità automobilistica internazionale, aiutando ad accelerare la transizione globale verso la mobilità elettrica.
In conclusione, il lavoro di Tiyuyu e dei suoi colleghi dimostra che l’ottimizzazione intelligente dei parametri può migliorare significativamente le prestazioni dei veicoli elettrici. Affinando la relazione tra motore, trasmissione e batteria, hanno ottenuto un miglioramento tangibile sia in efficienza che in dinamica. I loro risultati offrono un approccio pratico e scalabile che può essere applicato in tutta l’industria dei veicoli elettrici, sostenendo lo sviluppo di veicoli di nuova generazione che non siano solo più puliti, ma anche più intelligenti e capaci.
Tiyuyu, Hong Yingping, Zhang Huixin, Zhang Ruihao, North University of China, Ship Electronic Engineering, DOI: 10.3969/j.issn.1672-9730.2024.11.025